Die Webseite stoppels.ch/goalposts aggregiert historische Hacker-News-Kommentare und Vorhersagen zu den Fähigkeiten von Künstlicher Intelligenz aus den Jahren 2016 bis 2026, um mittels Community-Abstimmungen zu bewerten, ob diese Meilensteine erreicht wurden. Die aggregierten Daten zeigen einen signifikanten Rückgang der „Ja“-Stimmen von 56,89 % im Jahr 2016 auf 28,84 % im Jahr 2026, was auf anspruchsvollere Kriterien und verschobene Maßstäbe hinweist. Die dazugehörige Diskussion beleuchtet die Kluft zwischen kostenlosen Standardmodellen und kostenpflichtigen Frontier-Modellen, anhaltende Zuverlässigkeitsprobleme in Nischendomänen sowie die Debatte über den tatsächlichen Reifegrad von KI in der Softwareentwicklung und mathematischen Forschung.
Wichtigste Punkte
Aggregierte KI-Prognosen: Die Plattform sammelt nutzerspezifische Herausforderungen und Vorhersagen über die Entwicklung von KI-Fähigkeiten aus einem Zeitraum von zehn Jahren.
Langfristiger Abstimmungstrend: Der Anteil der „Ja“-Antworten auf die Frage, ob Zielvorgaben erfüllt wurden, sank kontinuierlich von 56,89 % (2016) auf 28,84 % (2026).
Unpräzise Zielsetzungen: Mindestens ein Dridetel der ursprünglichen Vorhersagen weist unklare Definitionen auf, was eine eindeutige Binärbewertung (Ja/Nein) erschwert.
Methodischer Ansatz: Die Website nutzt öffentlich zugängliche Forendaten, um die kollektive Wahrnehmung und Zielverschiebung im Bereich der Künstlichen Intelligenz zu quantifizieren.
Diskussions-Highlights
Leistungsgefälle zwischen Modell-Tiers: Mehrere Kommentatoren führen unterschiedliche Ergebnisse bei visuellen Aufgaben (wie der Erkennung von ASCII-Art) auf die Diskrepanz zwischen kostenlosen Basismodellen und modernen Frontier-Modellen zurück.
Forschungsmathematik vs. Nischen-Genauigkeit: Während mathematische Probleme auf Forschungsniveau (etwa auf Math-Overflow-Niveau) laut Teilnehmern teilweise gelöst wurden, liefern LLMs in weniger verbreiteten Nischendomänen (z. B. Mechanik, Bauwesen oder chemische Materialreaktionen wie Silikonhärtung auf Gips) nach wie vor erfundene Fakten („Haluzinationen“).
Anforderungen an die Softwareentwicklung: Diskutanten betonen, dass KI zwar bei ausreichendem Kontext exzellenten Code schreibt, jedoch eine umfassende Testsuite oder manuelle Code-Prüfung erforderlich ist, um einen produktiven Einsatz ohne ständige menschliche Aufsicht zu gewährleisten.
Kritik am Turing-Test: Es wird argumentiert, dass der klassische Turing-Test veraltet ist, da aktuelle Modelle zwar fließend und höflich agieren, bei gezielten Prüfungen von Kausalität und Kontrafaktuaen jedoch weiterhin versagen.
Erwähnte Werkzeuge und Modelle: In der Diskussion genannte technologische Referenzen umfassen GPT-4, Claude, Opus 5.5, GPT6-Astra, DeepSeek Flash 4.1 und das Code-Analyse-Tool Coverity.
Glossar
LLM (Large Language Model): Ein auf maschinellem Lernen basierendes Sprachmodell, das darauf trainiert ist, Muster in Texten zu erkennen und menschenähnlichen Text zu erzeugen.
Frontier-Modell: Die jeweils leistungsfähigsten, fortschrittlichsten und rechenintensivsten KI-Modelle eines Anbieters auf dem aktuellen Stand der Technik.
ASCII-Art: Eine grafische Gestaltungstechnik, bei der Bilder ausschließlich aus den standardisierten ASCII-Zeichen eines Computers zusammengesetzt werden.
Kontrafaktuale Prüfung: Ein logischer Test, bei dem hypothetische Szenarien („Was wäre, wenn…?“) analysiert werden, um das kausale Weltverständnis eines Systems zu prüfen.
Testsuite: Eine strukturierte Sammlung von Softwaretests, die automatisiert überprüfen, ob Programmcode fehlerfrei funktioniert und vorgegebene Spezifikationen erfüllt.
Coverity: Ein kommerzielles statisches Analysetool, das zur automatisierten Erkennung von Softwarefehlern und Sicherheitslücken im Quellcode eingesetzt wird.